IBM将量子计算用于核聚变材料研究
2026年7月6日，IBM、美国橡树岭国家实验室（ORNL）和克利夫兰诊所公布了一项面向核聚变材料的量子计算研究。研究团队将量子处理器、经典高性能计算（HPC）、嵌入式电子结构方法和熔盐材料模拟结合起来，用于研究候选聚变包层材料FLiBe中的氚结合问题。这是首次已知在量子计算机上开展此类聚变材料计算。
相关论文已于2026年6月29日发布在arXiv，题为[Quantum Computations on Fusion Blanket Molten Salts](https://arxiv.org/abs/2606.30402)。论文关注的不是完整反应堆，而是从高温FLiBe熔盐模拟中提取的代表性原子簇；方法上采用嵌入波函数方法（Embedded Wave Function，EWF）和扩展的基于样本的量子对角化方法（Ext-SQD），构成一套量子-经典协同电子结构工作流。
这项工作之所以值得关注，并不只是因为它把量子计算用于聚变材料。它面对的是聚变堆燃料循环中的实际问题：氚能否在含锂熔盐包层中生成后被有效回收。它也延续了IBM近期量子中心超级计算的路线，把EWF和SQD从生物分子电子结构计算进一步带入带电、强极化的无机熔盐体系。
求解问题最大片段在硬件的拓扑图
氚燃料与FLiBe熔盐包层
许多聚变方案依赖氘-氚反应。氘相对容易获得，氚在自然界中却非常稀少。论文指出，一座1 GW级聚变电站每天可能消耗约0.5 kg氚，而现有氚资源无法支撑大规模长期运行。未来聚变堆必须在运行过程中自行增殖氚，并把生成的氚从包层材料中取回，再送入燃料循环。
FLiBe是由氟化锂（LiF）和氟化铍（BeF2）组成的熔盐，是聚变包层的重要候选材料之一。聚变反应产生的中子进入含锂包层后，可以与锂反应生成氚；熔盐同时还要承受高温、强辐照和复杂流动环境。真正的材料问题并不止于能不能生成氚，还包括生成后的氚以什么形态留在熔盐中，以及它能否顺利扩散和提取。
聚变等离子体产生的中子撞击熔融盐层产生氚
在FLiBe中，氚可能以T+形式受到周围氟离子的强烈静电作用。论文中的代表结构显示，含氚簇中可以出现氚桥连两个氟的F-T-F局部结构。若氚与氟结合过强，后续扩散、化学形态控制和回收都会变得更困难。因此准确计算氚与熔盐局部环境的结合强度，成为理解氚回收问题的一个关键入口。
传统的密度泛函理论（DFT）速度快，适合在大量构型上做模拟，但在熔盐中氚结合这类高精度电子结构问题上不够可靠，其在估算相关自由能时曾与实验值相差约10%。
量子处理器如何接入超算流程
面对经典计算的问题，研究人员使用从头算分子动力学和机器学习力场，从高温FLiBe熔盐中提取代表性局部结构；随后用EWF把电子结构问题拆成以原子为中心的片段。
异质量子-经典嵌入波函数（EWF）计算流程
EWF不是简单把分子切开。它通过环境浴轨道保留片段与周围体系的部分电子关联，使局部片段仍然带有原来熔盐环境的信息。较小片段由经典计算机使用全组态相互作用（FCI）等高精度方法求解；较大片段则交给量子-经典流程。
在量子部分，QPU运行LUCJ线路，制备用于采样电子组态的量子态。基于样本的量子对角化（SQD）利用这些样本寻找重要电子组态，经典计算机再完成组态恢复、子空间对角化和能量求解。Ext-SQD 进一步补充量子采样可能遗漏的组态，提高片段能量和密度矩阵精度。最终，经典超算将各片段结果重新组合，得到构型相对能量和氚结合能。
片段级结果与真实边界
论文研究了三类原子簇：21个原子的FLiBe簇、22个原子的带负电参考簇，以及23个原子的含氚簇；每类包含9个构型。量子采样运行在搭载IBM Heron r3处理器的ibm_boston上，最大EWF片段包含33个空间轨道，对应66个量子比特。
从片段求解层面看，结果相当积极。在相同EWF框架内，Ext-SQD对构型相对能量的平均绝对偏差约为0.3 kcal/mol，最大约0.7 kcal/mol，这说明量子采样和经典后处理组合起来，已经能在这些局部片段上接近高精度经典参考。
但完整工作流的瓶颈并不在Ext-SQD片段求解器本身。论文指出，分片与未分片方法之间的构型相对能量平均差异约12 kcal/mol，氚结合能平均差异约110 kcal/mol。当前主要误差来自EWF片段构造和环境描述。更重要的是，论文计算的是固定结构下的电子结合能，不是最终的氚结合自由能；要判断真实高温熔盐中氚的稳定形态，还需要更多构型采样和统计热力学计算。
从蛋白质电子结构到聚变熔盐
这项研究并不是孤立出现的。IBM和合作团队此前已将EWF与SQD用于约303个原子的Trp-cage迷你蛋白电子结构和构型相对能量研究，展示了通过分片方法处理较大生物分子电子结构问题的可能性。2026年5月，IBM、克利夫兰诊所和RIKEN又将相关工作流扩展到蛋白质-配体复合物，最大体系达到12,635个原子。
FLiBe熔盐研究把这一工具链迁移到另一类化学环境。EWF+SQD从Trp-cage，到超过1.2万原子的蛋白质-配体体系，再到聚变熔盐材料，显示出量子-经典电子结构方法正在从算法演示走向更多真实科学问题。
AI、HPC与QPU的材料发现闭环
这一研究也契合美国能源部近期对聚变和科学计算的布局。DOE的[Fusion S&T Roadmap](https://www.energy.gov/fusion/fusion-energy)提出支持美国聚变产业在2030年代扩展，强调材料研发、公私合作和先进计算能力；[Genesis Mission](https://genesis.energy.gov/)则希望连接国家实验室数据、人工智能、超级计算机、实验设施和新兴量子技术，加速能源与材料科学发现。
IBM把这项工作放入更长期的材料研发闭环中。
第一阶段，AI利用ORNL长期积累的熔盐数据提出和筛选候选配方，并结合中子学计算评估氚增殖能力、稳定性和传热表现。
第二阶段，HPC用DFT、分子动力学和机器学习力场用于模拟候选熔盐在高温环境中的结构、运动和局部化学环境。
第三阶段，当DFT在氚结合等高精度电子结构问题上不够可靠时，QPU通过EWF+SQD/Ext-SQD处理关键片段。 未来，高精度片段结果再反馈给AI和经典模型，推动下一轮候选熔盐筛选。这个闭环的重点是分工而不是替代：AI负责搜索与学习，HPC负责大规模模拟，CPU和GPU承担经典后处理，QPU处理特定困难电子结构片段。
这也是这项工作的长期意义。其给出的不是聚变材料问题的最终答案，而是一条可继续推进的计算路径，未来将把处理的簇的规模、构型的数量扩展到更大，为聚变工程师提供一种新的方法。
更多信息可阅读论文：[Quantum Computations on Fusion Blanket Molten Salts](https://arxiv.org/abs/2606.30402)。
